人工智能算法详解

  培训讲师:叶梓

讲师背景:
叶梓老师叶梓,工学博士,高级工程师。现某大型上市企业资深技术专家。2005年上海交通大学计算机专业博士毕业,在校期间的主研方向为数据挖掘、机器学习、人工智能。毕业后即进入软件行业从事信息化技术相关工作;负责或参与了多项、省市级人工智能及大数 详细>>

叶梓
    课程咨询电话:

人工智能算法详解详细内容

人工智能算法详解

人工智能技术详解
【课程内容】
本课程包含大数据、机器学习、深度学习、知识图谱、强化学习与深度强化学习的相关知识。
【课程时长】
7天(7小时/天)
【课程对象】
理工科本科及以上,且至少了解一门编程语言。
【课程大纲】(培训内容可根据客户需求调整)
时间
内容
案例实践与练习
Day1上午
准备工作
准备工作
1.概念与术语
2.Python(Anaconda)的安装
3.Pycharm的安装与使用
4.Jupyter Notebook的安装与使用
5.Tensorflow与pytorch的安装
6.Opencv、Sklearn工具包的运用
贪婪决策过程
1.熵与熵减过程
2.贪婪法
3.ID3与C4.5
4.其他改进方法
5.决策树剪枝
案例实践:
1.Anaconda安装
2.Pip install的技巧
3.Tensorflow-GPU的安装
4.pytorch的安装
5.Jupyter Notebook的使用
6.Opencv的基本例子
Day1下午
经典模型
经典无监督学习
1.监督学习与无监督学习
2.K-means
3.k-medoids
4.判断最优分组个数的调参方法
5.基于层次、密度、网格的方法
BP神经网络
1.人工神经元及感知机模型
2.Sigmoid激活函数
3.前向神经网络的架构
4.梯度下降
5.误差反向传播详解
性能评价指标
1.精确率;
2.P、R与F1
3.ROC与AUC
4.对数损失
5.泛化性能评价:k折验证验证
案例实践:
1.验证:K-means是不稳定的
2.手肘法分析NBA球队的档次
3.绘制ROC并计算AUC
4.手算神经网络BP算法
5.只用numpy,手推BPNN
Day2上午
进阶模型
支持向量机
1.“双螺旋”问题
2.基本模型与惩罚项
3.求解对偶问题
4.核函数:映射到高维
5.从二分类到多分类
6.用于连续值预测的支持向量机
集成学习
1.集成学习的思路
2.bagging与boosting
3.随机森林
4.GBDT
5.XGboost
6.最新的集成学习算法
案例实践:
1.SVM实现人脸识别应用
2.通过深度BP网络实现手写数字的识别
3.皮马印第安人糖尿病风险
4.Xgboost、GBDT等方法的比较
Day2下午
深度学习初步
深度学习基础知识
1.连接主义的兴衰
2.深度学习与NN的区别与联系
3.目标函数与激励函数
4.学习步长
5.权重初始化
6.权重衰减(Weight Decay)
7.各种梯度下降的方法
8.避免过适应
卷积神经网络CNN
1.CNN概述
2.AlexNet与ZF-Net
3.VGG(5层变为5组)
4.迁移学习
5.GoogLenet和Inception模块
6.模型退化与ResNet
案例实践:
1.各种梯度下降方法的实战效果
2.VGG各层的可视化展现
3.迁移学习:猫狗大战
4.Resnet用于分类
Day3上午
目标检测
二阶段目标检测
1.目标检测任务介绍
2.R-CNN
3.SPPNET(全图卷积、SPP层)
4.Fast-RCNN(多任务)
5.Faster-RCNN(RPN)
一阶段目标检测
1.YOLO-v1(一切都是回归)
2.YOLO-v2(9000个分类)
3.YOLO-v3(多尺度)
4.YOLO-v4
5.YOLO-v5
案例实践:
1.基于Faster-RCNN的通用目标检测
2.改造成“血细胞识别”系统
3.基于YOLO v3的通用目标快速检测
Day3下午
图谱技术准备-I
循环神经网络
RNN基本原理
LSTM、GRU
双向循环神经网络
编码器与解码器结构
seq2seq模型
Attention
词向量初步
1.Word2Vec:CBOW
2.Word2Vec:skip-gram
3.Hierachical Softmax
4.Negative Sampling
5.其他词向量技术
案例实践:
1.RNN的基础实践
2.股票交易数据的预测
3.《绝代双骄》人物关系分析
Day4上午
图谱技术准备-II
隐马尔科夫模型
1.HMM形式化定义
2.向前向后算法解评估问题
3.Viterbi算法处理解码问题
4.鲍姆韦尔奇算法解学习问题
条件随机场
产生式模型与判别式模型
最大熵原理
MRF(马尔科夫随机场)
最大团与势函数
线性链条件随机场
案例实践:
1.出现这种情况可能吗?
2.今天身体怎么样?
3.DenseCRF获得精细的轮廓
Day4下午
知识图谱基础
知识图谱基础
1.知识图谱基本概念
2.知识图谱的发展史
3.实体的属性与关系
4.知识图谱的相关技术介绍
5.典型应用案例
词向量进阶(Transformer)
1.所有你需要的仅仅是“注意力”
2.Transformer中的block
3.自注意力机制
4.多头注意力
5.位置编码(抛弃RNN)
6.Batch Norm与Layer Norm
7.解码器的构造
案例实践:
1.Neo4j工具的使用
2.知识图谱项目展示
3.Transformer实现的机器翻译
Day5上午
知识图谱进阶
知识抽取
1.实体抽取
2.关系抽取
3.事件抽取
4.知识抽取及其相关工具
5.实体消歧与链接
6.知识规则挖掘
7.知识图谱表示学习
基于知识图谱的问答
1.知识问答技术概述
2.知识问答系统简史
3.知识问答的评测数据集
4.KBQA基本概念及挑战
5.知识问答主流方法介绍
案例实践:
1.实体关系抽取案例
2.基于图谱的领域问答
Day5下午
强化学习
强化学习初步
1.agent的属性
2.马尔科夫奖励/决策过程
3.exploration and exploitation
4.状态行为值函数
5.Bellman期望方程
6.最优策略
强化学习经典方法
1.策略迭代与价值迭代
2.动态规划法:DP
3.蒙特卡洛法:MC
4.时序差分法:TD
5.DP、MC、TD的关系
案例实践:
1.财宝在右
2.格子世界
3.谷底的小车
4.倒立摆
Day6上午
深度强化学习
深度强化学习(DQN)
1.值函数的参数化表示
2.值函数的估计过程
3.基础的DQN 方法
4.Double DQN
5.Prioritized Replay
6.Dueling Network
深度强化学习(PG)
1.策略梯度方法介绍
2.常见的策略表示
3.减小方差的方法
4.引入基函数与修改估计值函数
案例实践:
1.自我进化的井字棋
2.笨鸟先飞:DQN
Day6下午
深度强化学习
AlphaGo
1.围棋AI的难点
2.MCTS
3.策略网络
4.价值网络
5.Alpha Go的完整架构
6.Alpha Go zero
Actor-Critic算法
1.随机策略与确定性策略比较
2.随机策略AC的方法
3.确定性策略梯度方法
4.DDPG 方法及实现
5.A3C方法
案例实践:
1.山寨版alpha go
2.Actor-Critic的应用场景
Day7上午
大数据技术
大数据技术综述
1.从数据库,数据仓库到大数据
2.大数据的6V特征
3.Hadoop生态圈简介
4.Spark生态圈简介
5.搜索引擎:ES
hadoop
1.文件系统:HDFS
2.计算框架Map-Reduce
3.数据库Hbase
4.数据仓库Hive
5.数据迁移:sqoop
案例实践:
1.Hadoop集群的操作
2.Hbase的操作
Day7下午
大数据其他
Spark
1.scala
2.RDD
3.数据库操作:spark-SQL
4.流操作:spark-Streaming
GAN
1.生成对抗网络(GAN)
2.KL散度与JS散度
3.改进的GAN:DCGAN
4.Wasserstein GAN
案例实践:
1.spark集群的演示
2.计算机想象的数字
3.特朗普的孩子?

 

叶梓老师的其它课程

DeepSeek辅助日常工作培训提纲一、引言介绍大模型领域的竞争态势强调DeepSeek的独特优势二、DeepSeek概述DeepSeek的发展背景与定位DeepSeek各版本的特点与区别三、DeepSeek部署本地单机部署DeepSeek蒸馏版的硬件要求本地单机部署DeepSeek(量化)满血版的配置与性能本地单机多卡部署DeepSeek(量化)满血版的策

 讲师:叶梓详情


知识图谱的Python实现【课程简介】本课程包含知识图谱的基本概念及常用算法,并实现了一个基于知识图谱的对话机器人。通过1天的系统学习、案例讲解和动手实践,让学员能初步了解知识图谱的的相关知识与技术。【课程对象】理工科本科以上,或至少了解一种编程语言。知识图谱基础知识图谱存储知识图谱基础概念知识推理本体推理方法本体推理工具语义搜索RDF与RDFSOWL与OW

 讲师:叶梓详情


智能医疗技术与ChatGPT临床应用三日深度培训第一天:人工智能基础与Python编程入门上午:人工智能在医疗领域的应用概述Python编程基础环境搭建、数据类型、流程控制Python环境搭建Python数据类型与流程控制Python函数的应用Python面向对象编程 文件读写和目录操作异常处理机器学习概述数据探索性分析:智能化数据分析特征工程:数据准备、数

 讲师:叶梓详情


人工智能“最强模型”transformer详解【课程简介】Transformer是迄今为止人工智能领域的最新和最强大的模型类别之一。它几乎正在凭借一己之力来推动深度学习的又一波重大进步。Transformer模型充分运用了称为注意力和自注意力机制,以检测系列(或图像)中元素相互影响和相互依赖的微妙关系。本课程通过2天时间的详细介绍,可使学习者初步了解Tran

 讲师:叶梓详情


||1.人工智能概述||第一节:人工智能与机器学习基础|2.机器学习概述|||3.机器学习算法应用分析|||1.一元线性回归|||2.代价函数|||3.梯度下降法||第二节:回归算法|4.sklearn一元线性回归应用|||5.多元线性回归|||6.sklearn多元线性回归应用|||案例:葡萄酒质量和时间的关系|||1.KNN分类算法介绍|||2.KNN分

 讲师:叶梓详情


人工智能与深度学习第一天:人工智能概念与经典算法人工智能概念综述(第一天——1)从一些术语辨析人工智能人工智能之连接主义的兴衰史这次AI的热潮是怎么来的?图像处理领域的最新热点(第一天——2)分类、目标检测与实例分割风格迁移自动驾驶人体姿态识别超分辨率图像生成语言处理领域的最新热点(第一天——3)Attention机制自动构建知识图谱看图说话预训练机制三大经

 讲师:叶梓详情


人工智能之最新自然语言处理技术与实战课程介绍:自然语言处理(简称NLP)是计算机科学和人工智能研究的一个重要方向,研究计算机和理解和运用人类语言进行交互的问题,它是集语言学、机器学习、统计学、大数据于一体的综合学科。本课程主要介绍了NLP中的常用知识点:分词、词法分析、句法分析、向量化方法、经典的NLP机器学习算法,还重点介绍了NLP中最近两年来基于大规模语

 讲师:叶梓详情


第一天上午:统计分析原理从最简单的案例开始统计基础描述性统计用SPSS实现描述性统计的案例回归分析:线性回归回归分析:logistics回归用SPSS实现回归分析的案例可视化工具第一天下午:数据库与数据仓库介绍数据库概述SQL(基本的增、删、改、查)SQL(稍复杂的子句或嵌套)基于MySQL的上机操作SQL语言数据仓库:度量与维度数据仓库:星型模型、雪花模型

 讲师:叶梓详情


计算机视觉【课程时长】3天(7小时/天)【课程对象】理工科本科及以上,且至少了解一门编程语言。【课程大纲】(培训内容可根据客户需求调整)时间内容案例实践与练习Day1上午准备工作准备工作决策树准备工作(1)概念与术语Python(Anaconda)的安装Pycharm的安装与使用JupyterNotebook的安装与使用Tensorflow与pytorch的

 讲师:叶梓详情


计算机视觉【课程简介】本课程包含计算机视觉领域的的重要概念及常用算法(神经网络、支持向量机、CNN、GAN等),以及人工智能领域热点应用场景:目标检测、图像分割、图像生成等。通过2天的系统学习、案例讲解和动手实践,让学员能初步迈入深度学习和计算视觉的知识殿堂。【课程收益】掌握基于python的视觉分析知识;掌握深度学习框架:TensorFlow、pytorc

 讲师:叶梓详情


COPYRIGT @ 2001-2018 HTTP://WWW.QG68.CN INC. ALL RIGHTS RESERVED. 管理资源网 版权所有